Whisper-IA: Instalación Local en Windows (GPU NVIDIA)

Este repositorio está diseñado para ejecutar el modelo Whisper de OpenAI a nivel local, con aceleración por GPU NVIDIA (en este caso, una RTX 3070 Ti). El objetivo es transcribir audios de entrevistas para una tesis.

---

¡Advertencia!

Este proceso involucra instalaciones delicadas a nivel del sistema. Si no cuentas con experiencia suficiente, te recomendamos no continuar sin respaldo técnico, ya que podrías obtener resultados inesperados o dañar tu entorno de trabajo.

Todos los pasos han sido probados y verificados para funcionar en Windows 10/11, con Python 3.11.9, CUDA 11.8, cuDNN 9.0.1, y FFmpeg 7.1.1.

---

1. Requisitos Generales

Documentación oficial

• Whisper: https://github.com/openai/whisper

Hardware requerido

• GPU NVIDIA con soporte CUDA (recomendado: 8GB VRAM o más)
• Procesador compatible con instrucciones AVX2

---

2. Instalación Paso a Paso

1. Instalar Python 3.11.9

Descargar desde: https://www.python.org/downloads/release/python-3119/

Durante la instalación, activar la opción:

[✔] Add Python to PATH

Verificación:

python --version
# Esperado: Python 3.11.9

---

2. Instalar CUDA Toolkit 11.8

Descargar desde: https://developer.nvidia.com/cuda-11-8-0-download-archive

Instalación:

• Elegir "custom" solo si sabes lo que haces
• Confirmar que se instalen nvcc y nvml

Verificación:

nvcc --version

Esperado:

Cuda compilation tools, release 11.8, V11.8.89

---

3. Instalar cuDNN compatible (v9.0.1 para CUDA 11.x)

Descargar desde: https://developer.nvidia.com/rdp/cudnn-archive

Se usó:

cudnn-windows-x86_64-9.0.1.52_cuda11-archive

Copiar los siguientes directorios dentro de la ruta de instalación de CUDA (por ejemplo C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8):

• bin/ ➔ bin/
• include/ ➔ include/
• lib/ ➔ lib/

Confirmar que los DLLs como cudnn64_8.dll estén en la carpeta bin/ de CUDA.

---

4. Instalar PyTorch compatible con CUDA 11.8

Desde CMD o PowerShell:

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

Verificación en Python:

import torch
print(torch.cuda.is_available())  # True
print(torch.version.cuda)         # 11.8
print(torch.backends.cudnn.version())  # 90100 (corresponde a cuDNN 9.0.1)

---

5. Instalar FFmpeg 7.1.1 (Essentials Build)

Descargar desde: https://www.gyan.dev/ffmpeg/builds/

Seleccionar:

ffmpeg-7.1.1-essentials_build.7z

Extraer y mover el contenido a una carpeta como:

C:\ffmpeg\ffmpeg-7.1.1-essentials_build

Agregar al PATH del sistema:

C:\ffmpeg\ffmpeg-7.1.1-essentials_build\bin

Verificación:

ffmpeg -version

Esperado:

ffmpeg version 7.1.1-essentials_build-www.gyan.dev [...]

---

6. Instalar Whisper desde el repositorio oficial

pip install git+https://github.com/openai/whisper.git

(Si deseas actualizar forzadamente)

pip install --upgrade --no-deps --force-reinstall git+https://github.com/openai/whisper.git

---

3. Configuración en Visual Studio Code

• Abrir el proyecto.
• Crear un entorno virtual opcional:

python -m venv venv

• Activar el entorno:

.\venv\Scripts\activate

• Verificar que esté seleccionada la versión de Python correcta (3.11.9)
• Asegurarse de ejecutar desde la terminal de VS Code, no desde Windows CMD

---

4. Comandos de Verificación

Python:

python --version
# Python 3.11.9

CUDA:

nvcc --version
# release 11.8

PyTorch:

import torch
print(torch.cuda.is_available())  # True
print(torch.version.cuda)         # '11.8'
print(torch.backends.cudnn.version())  # 90100

FFmpeg:

ffmpeg -version
# ffmpeg version 7.1.1-essentials_build

Whisper:

import whisper
model = whisper.load_model("base")

---

5. Documentación Adicional

• Whisper GitHub: https://github.com/openai/whisper
• FFmpeg Builds: https://www.gyan.dev/ffmpeg/builds/
• CUDA Archive: https://developer.nvidia.com/cuda-toolkit-archive
• cuDNN Archive: https://developer.nvidia.com/rdp/cudnn-archive
• Matriz de compatibilidad CUDA/cuDNN: https://docs.nvidia.com/deeplearning/cudnn/support-matrix/index.html

---

Fin de la Guía

---

🛠️ Documento preparado por: Diego Iturrieta Gajardo
📅 Fecha de finalización del entorno: 05 de mayo de 2025
💻 GPU utilizada: NVIDIA GeForce RTX 3070 Ti
🧠 Proyecto académico: Transcripción de entrevistas para tesis con Whisper (OpenAI)